一、参考资料
github代码：CoordAttention
Coordinate Attention
二、相关介绍
通道注意力与空间注意力
关于通道注意力和空间注意力的详细介绍，请参考另一篇博客：通俗易懂理解通道注意力机制(CAM)与空间注意力机制(SAM)
注意力机制是用来告诉模型需要关注哪些内容和哪些位置。对于网络的某一点输出，尺寸一般是(batchsize，C，H，W)，channel attention 是利用通道信息( C )，spatial attention 是利用位置信息(H, W)。
三、CA(Coordinate Attention)相关介绍
1. 不同注意力方法对比
1.1 不同注意力的结构
- SE模块[1]从
feature map中channel着手，学习模型应该关注哪些通道，如图(a)； - CBAM(
Convolutional Block Attention Module)[2]作为SE的改进版本，结合了channel和spatial，如图(b)； - 实际上，CBAM提取空间注意力是用局部卷积，只能捕获局部的信息，无法获得长距离依赖。且CBAM全局池化会有位置损失，实际上pool这种都会有信息损失，基于此作者提出了CA[3]，充分利用了位置信息，而且控制了计算开销，如图©；
解释说明：
GAP，表示全局平均池化(global average pooling)；GMP，表示全局最大池化(global max pooling)；X Avg Pool，表示一维水平全局池化(1D horizontal global average pooling)；Y Avg Pool，表示一维垂直全局平均池化(1D vertical global average pooling)。
1.2 不同注意力的性能
不同注意力方法在三种经典视觉任务中的表现，如下图所示：
解释说明：
MBV2，表示MobileNetV2；
2. (Paddle)代码实现
# CA (coordinate attention)
import paddle
import paddle.nn as nn
import math
import paddle.nn.functional as F
class CA(nn.Layer):
def __init__(self, in_ch, reduction=32):
super(CA, self).__init__()
self.pool_h = nn.AdaptiveAvgPool2D((None, 1))
self.pool_w = nn.AdaptiveAvgPool2D((1, None))
mip = max(8, in_ch // reduction)
self.conv1 = nn.Conv2D(in_ch, mip, kernel_size=1, stride=1, padding=0)
self.bn1 = nn.BatchNorm2D(mip)
self.act = nn.Hardswish()
self.conv_h = nn.Conv2D(mip, in_ch, kernel_size=1, stride=1, padding=0)
self.conv_w = nn.Conv2D(mip, in_ch, kernel_size=1, stride=1, padding=0)
def forward(self, x):
identity = x
n,c,h,w = x.shape
x_h = self.pool_h(x)
x_w = self.pool_w(x).transpose([0, 1, 3, 2])
y = paddle.concat([x_h, x_w], axis=2)
y = self.conv1(y)
y = self.bn1(y)
y = self.act(y)
x_h, x_w = paddle.split(y, [h, w], axis=2)
x_w = x_w.transpose([0, 1, 3, 2])
x_h = F.sigmoid(self.conv_h(x_h))
x_w = F.sigmoid(self.conv_w(x_w))
out = identity * x_w * x_h
return out
验证
# validation
# input size = 64,512,14,14 --> CA --> output size = 64,512,14,14
ca = CA(512) # in_channel
x = paddle.randn([64,512,14,14]) # (batchsize, channel, H, W)
y = ca(x)
y.shape
四、参考文献
[1] Hu J, Shen L, Sun G. Squeeze-and-excitation networks[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2018: 7132-7141.
[2] Woo S, Park J, Lee J Y, et al. Cbam: Convolutional block attention module[C]//Proceedings of the European conference on computer vision (ECCV). 2018: 3-19.
[3] Hou Q, Zhou D, Feng J. Coordinate attention for efficient mobile network design[C]//Proceedings of the IEEE/CVF conference on computer vision and pattern recognition. 2021: 13713-13722.
